通过EEG进行认知负载评估:来自算术和Stroop任务的数据集

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 生物医学工程 生物医学工程

背景情况:

• 心理压力显著影响认知功能和幸福感.
• 检测压力水平的准确,非侵入性方法对于个性化医疗保健和人机交互至关重要.
• 现有的数据集可能缺乏用于高级算法开发所需的认知负载诱导的压力模式的具体重点.

研究的目的:

• 引入一套新的,精心策划的脑电图 (EEG) 记录数据集,专门用于分析心理压力.
• 为研究人员开发算法来检测和分类基于认知负载的压力水平提供一个有价值的资源.
• 促进脑计算机接口 (BCI) 和非侵入性压力监测工具的进步.

主要方法:

• 收集了15名健康受试者的EEG信号 (8名女性,7名男性;平均年龄21.5岁) 在认知任务 (Stroop测试,算术问题) 中.
• 使用一个8通道的OpenBCI Cyton板以250Hz的采样速率记录额叶脑电图活动.
• 将录音分类为四个压力级别:正常,低,中,高,任务持续10-20秒,每人进行三次试验.

主要成果:

• 成功策划了一组EEG记录数据集,捕捉大脑对不同认知负载和诱导精神压力的反应.
• 该数据集包括与特定认知任务期间的正常,低,中和高压力水平相关的独特EEG模式.
• 通过EEG信号分析,证明了数据集在通过EEG信号分析来区分各种心理压力状态的潜力.

结论:

• 提出的EEG数据集是促进压力检测和分类研究的宝贵资源.
• 这一数据集支持开发用于非侵入性压力监测和个性化医疗保健解决方案的复杂算法.
• 这些发现有助于更深入地了解认知负载和精神压力的EEG相关性,这对BCI和认知福祉有影响.